关键词： 生成式人工智能   高等教育   智能化   主体性  

摘要： 生成式人工智能因其强大的生成能力驱动高等教育发展,深刻影响高等教育格局与秩序,为教与学、管与治、评与研带来发展机遇。在教与学方面创建教学新形态,支撑个性化学习;在管与治方面推进智能化治理精准科学,促进教育服务优质高效;在评与研方面实施智能化教育教学评价,推动教育研究范式变革。机遇与挑战并存,生成式人工智能技术在高等教育的深入应用也带来了技术限制、技术依赖、技术失范的挑战,这些技术风险导致教育教学内容生成缺陷,弱化了教育的主体性,为学校的治理、教师的教学和学生的自主个性化学习带来困扰。针对挑战,政府推动技术开发,优化教育教学内容生成机制,构筑健康数字化生态环境;学校强化立德树人根本任务,养成师生伦理道德自律;教师与学生提升主体意识,促进自我发展。从而实现生成式人工智能更好地为高等教育赋能,促进高等教育内涵式高质量发展。

关键词： PDCA循环   人工智能   电子商务   人才培养  

摘要： 在人工智能驱动职业教育转型的背景下,基于PDCA循环探讨高职电商人才培养体系的构建,从课程体系、教学场景、师资结构、质量评价四个方面分析人工智能在电商人才培养中的应用现状,并系统阐述在计划、执行、检查与处理阶段的具体实践路径。

关键词： 人工智能   中职学校   机械基础课程  

摘要： 文章的研究目标是提高中职机械基础课程教学的质量,结合人工智能时代给机械相关产业带来的变化以及对人才提出的最新要求,探索运用现代信息技术创新和优化传统中职机械基础课程教学的路径。通过研究,文章得出在中职机械基础课程教学中运用现代信息技术,能发挥创新教学模式、激发学生兴趣、优化资源配置和调整教学方案等作用,提出利用现代信息技术优化中职机械基础课程教学全过程的建议,希望通过信息技术强化学生对机械基础相关知识的理解,提高学生运用机械基础知识的能力,夯实学生专业学习基础,为学生的未来职业发展提供保障。

关键词： 人工智能   大数据   药理学   新药研发   靶点药物   临床合理用药  

摘要： 该综述分析近年来大数据及人工智能技术在药理学领域中的应用现状及展望。在信息化时代,大数据和人工智能技术的出现是不可避免的,它们不仅推动了生物医学的进步,也为药理学的发展开辟了新的道路。人工智能应用于新药研发、健康管理以及临床合理用药等方面,是一个涵盖多元维度且持续发展的领域。该综述论述了人工智能在药理学方向不同阶段的应用情况并对现存不足进行讨论,最后作出展望。

关键词： 机器视觉   课程思政   教学改革   人工智能  

摘要： “机器视觉原理与应用”课程是人工智能时代新工科的一门重要课程,机器视觉技术已广泛应用于社会各行各业。在课程思政建设背景下,改革课程教学模式,对教学大纲的课程教学目标、教学方法与手段、理论及实践教学内容进行思政改革,并对课程思政元素进行深入挖掘与梳理,将课程思政元素融入各章内容中。以生动的教学案例加强学生对知识点的深入理解,提高学生社会责任感与专业自信心,将其培养为能力与思想道德全面发展的高素质社会主义创新人才。

关键词： 生成式人工智能   新质生产力   数字经济   共同富裕  

摘要： 基于2008—2023年我国30个省份面板数据,实证探讨生成式人工智能对共同富裕的影响,并针对数字经济的调节效应和新质生产力的中介作用进行分析。研究发现,生成式人工智能显著提升了共同富裕水平,并且该结论在一系列稳健性检验后仍成立。调节效应检验结果显示,数字经济能够强化生成式人工智能对共同富裕的促进效应。影响机制检验结果表明,生成式人工智能通过催生新质生产力赋能共同富裕。异质性分析表明,数字新质生产力对共同富裕的促进作用在“胡焕庸线”东南地区以及政策支持力度较大的地区更显著。

关键词： 人工智能   思政教育   教育新样态  

摘要： 随着教育数字化快速发展,“AI+思政”成为德育创新的重要方向。基于“AI+思政”的教育背景,教师可以从激活教学资源、革新教育场景、畅通育人通道、赋能育人过程等四个方面,构建高效且有温度的“AI+思政”教育新样态,在坚守育人本质的同时,防止“技术异化”,做到“守正”与“创新”的动态平衡。

关键词： 大数据   人工智能   工程技术  

摘要： 文章研究了大数据与人工智能在工程技术领域的融合应用与挑战,提出“技术-工程-社会”三维分析框架,结合200个典型案例,量化评估智能技术在工程场景中的适配度阈值。研究发现,数据驱动的闭环优化可显著提升工程效率,但技术融合面临多源数据异构性、算法黑箱风险、制度滞后等系统性挑战。通过熵权-TOPSIS模型构建技术成熟度分级体系,揭示技术成熟度受到伦理合规性与社会接受度显著影响。实证分析表明,智能制造、智慧城市及基础设施监测场景中,混合建模与边缘智能架构具备较高成熟度(Ⅰ级),而部分其他场景需优化算法鲁棒性与决策透明度(Ⅱ级)。研究为智能工程技术的战略部署与风险防控提供理论依据,并指出未来需扩展多元场景研究及优化模型独立性假设。

关键词： 人工智能   散杂货码头   货物识别   分类   深度学习  

摘要： 针对散杂货码头货物识别与分类的现状及挑战,文中研究了人工智能技术在其中的应用。首先,详细介绍了深度学习算法在数据采集、预处理、模型训练与优化中的应用。其次,通过实验验证,证明了该技术在提高识别准确率、缩短识别时间、降低运营成本等方面具有显著优势,为散杂货码头的智能化管理提供了有力支持。